复杂场景下的核相关滤波目标跟踪算法研究
发布时间：2021-06-05 16:25
近几十年,目标跟踪技术发展迅猛,其无论是在军用还是民用方面都得了广泛应用。核相关滤波算法由于其速度快、精度高,在目标跟踪算法中占有越来越重要的地位。但由于跟踪环境复杂多样,存在光照变化、遮挡、背景和尺度变化等多因素干扰,影响目标跟踪算法的精确性,甚至严重时会丢失跟踪目标。针对上述问题,本文对核相关滤波算法进行了改进,使其在跟踪精度上较原算法提高了28.26%,具体内容如下:首先,针对外部环境的光照变化和目标快移动问题,在核相关滤波算法的方向梯度直方图特征模型上,加入LLE（Locally Linear Embedding）降维颜色特征模型,并依据两种模型在频域中的滤波响应,分配各自的权重。另外,为防止模型间出现过拟合现象,对权重进行增加惩罚项处理。通过定量和定性实验分析,表明改进算法在处理目标抖动、光照和目标快速平移等方面具有良好的效果。接着,对于跟踪过程中的目标尺度变化问题,提出将目标坐标信息进行对数极坐标变换,这样目标尺度的非线性变化就能转为对数极坐标轴的线性平移,并引入亚像素来提高对数极坐标变换后的图像质量。同时,通过相邻帧间的对数极坐标信息训练相位相关滤波器,依据滤波最大响应计...
【文章来源】：燕山大学河北省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
目标跟踪算
燕山大学工学硕士学位论文-4-各种相关滤波算法[19]和基于深度学习的目标跟踪算法[20]也相继被提出，促进了目标跟踪更好的发展。我国对目标跟踪算法的研究起步较晚，从20世纪70年代开始，开始接触目标跟踪算法理论。在经过了几十年研究发展后，也取得了很大成果，并也成功应用于智能交通VS-Star(VisualSurveillanceStar)系统，解决了城市交通安全、拥堵等问题。现如今，我国的目标跟踪技术发展在国际上也有一定影响力，如：清华大学、国防科技大学、北京邮电大学、西北工业大学等高校都拥有有自己成熟的目标跟踪实验室。此外，国内目标跟踪算法的研究有了一定的突破。但是，和世界顶尖研究机构还是有一定差距，未来还需要越来越多的科研人员投入到目标跟踪算法的创新中去。图1-2为目标跟踪一个简易流程。图1-2目标跟踪算法流程1.2.2经典跟踪算法分类目标跟踪技术作为一门重要研究学科，目前，并没有一个统一标准对这些跟踪算法分类，可利用不同的规则对算法进行类比。通过目标特征模型分类，可分为生成式和判别式两类跟踪算法[21]。生成式目标跟踪就是对第一帧选定的目标进行建模，在指定区域内通过联合概
第2章相关滤波算法理论-9-因此，越来越多的学者投入到相关滤波目标跟踪算法的研究上来，以下为几种经典相关滤波跟踪算法的介绍。2.2.1MOSSE算法在2010年，Bolme等人提出了MOSSE(MinimumOutputSumofSquaredError)算法，其开创性的将相关滤波理论应用到目标跟踪，MOSSE算法属于自适应训练方法，其思想就是提取目标的灰度特征，对提取的目标块通过8种仿射变换获得一组图像来训练初始滤波器模板，接着通过模型更新公式对滤波器模板进行更新，每一帧的目标位置是由滤波模板和输入图像点乘操作得到。MOSSE算法的最大特色就是速度快，测试集平均帧数达到669帧/秒。图2-1为相关滤波MOSSE跟踪算法的示意图。图2-1MOSSE目标跟踪算法滤波器模板H的主要推导过程如下：(1)通过最小输出平方误差之和公式，如式2-2，找到滤波模板H。2miniiHFHG(2-2)式中，iF表示第i帧输入图像，H表示共轭的滤波器模板，iG表示第i帧的期望跟踪目标图像。(2)由于频域中的运算均是对应的元素级别对象，因此将模板H拆分为元素wvH，后求偏导找到最优解。2*====0iwvwviwvwviiwvwviwviwvwviwvwviiwviwvwvwviwviwvwviwviwvwviwviwvwviiwviwvwviwviwvwviFHGHFHGFHGHFFHHFGHFGHGGHFFHFGH(2-3)
【参考文献】：
期刊论文
[1]复杂红外地面环境下的稳定目标跟踪方法[J]. 吕坚,邓博,阙隆成. 光子学报. 2019(10)
[2]自适应上下文感知相关滤波跟踪[J]. 刘波,许廷发,李相民,史国凯,黄博. 中国光学. 2019(02)
[3]自适应特征选择的相关滤波跟踪算法[J]. 刘万军,孙虎,姜文涛. 光学学报. 2019(06)
[4]目标跟踪算法综述[J]. 孟琭,杨旭. 自动化学报. 2019(07)
[5]视觉目标跟踪方法研究综述[J]. 葛宝义,左宪章,胡永江. 中国图象图形学报. 2018(08)
[6]改进的KCF红外空中目标跟踪方法[J]. 郑武兴,王春平,付强. 激光与红外. 2017(12)
[7]相关滤波目标跟踪进展综述[J]. 张微,康宝生. 中国图象图形学报. 2017(08)
[8]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[9]深度学习在视频目标跟踪中的应用进展与展望[J]. 管皓,薛向阳,安志勇. 自动化学报. 2016(06)
[10]基于视觉场景复杂度多特征自适应融合的目标跟踪[J]. 吴迪,唐勇奇,万琴. 上海交通大学学报. 2015(12)
博士论文
[1]复杂场景下鲁棒的目标跟踪算法研究[D]. 曾宪佑.北京交通大学 2019
硕士论文
[1]复杂场景运动目标跟踪算法研究[D]. 卢耀坤.电子科技大学 2019
[2]复杂场景下目标跟踪算法的研究[D]. 杨阳.中北大学 2018
[3]基于局部方向梯度直方图的快速目标跟踪[D]. 时欢.西安电子科技大学 2017
[4]像素差的平方和增强核粒子滤波的非刚体目标跟踪[D]. 陈家树.西南大学 2008
本文编号：3212507
【文章来源】：燕山大学河北省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
目标跟踪算
燕山大学工学硕士学位论文-4-各种相关滤波算法[19]和基于深度学习的目标跟踪算法[20]也相继被提出，促进了目标跟踪更好的发展。我国对目标跟踪算法的研究起步较晚，从20世纪70年代开始，开始接触目标跟踪算法理论。在经过了几十年研究发展后，也取得了很大成果，并也成功应用于智能交通VS-Star(VisualSurveillanceStar)系统，解决了城市交通安全、拥堵等问题。现如今，我国的目标跟踪技术发展在国际上也有一定影响力，如：清华大学、国防科技大学、北京邮电大学、西北工业大学等高校都拥有有自己成熟的目标跟踪实验室。此外，国内目标跟踪算法的研究有了一定的突破。但是，和世界顶尖研究机构还是有一定差距，未来还需要越来越多的科研人员投入到目标跟踪算法的创新中去。图1-2为目标跟踪一个简易流程。图1-2目标跟踪算法流程1.2.2经典跟踪算法分类目标跟踪技术作为一门重要研究学科，目前，并没有一个统一标准对这些跟踪算法分类，可利用不同的规则对算法进行类比。通过目标特征模型分类，可分为生成式和判别式两类跟踪算法[21]。生成式目标跟踪就是对第一帧选定的目标进行建模，在指定区域内通过联合概
第2章相关滤波算法理论-9-因此，越来越多的学者投入到相关滤波目标跟踪算法的研究上来，以下为几种经典相关滤波跟踪算法的介绍。2.2.1MOSSE算法在2010年，Bolme等人提出了MOSSE(MinimumOutputSumofSquaredError)算法，其开创性的将相关滤波理论应用到目标跟踪，MOSSE算法属于自适应训练方法，其思想就是提取目标的灰度特征，对提取的目标块通过8种仿射变换获得一组图像来训练初始滤波器模板，接着通过模型更新公式对滤波器模板进行更新，每一帧的目标位置是由滤波模板和输入图像点乘操作得到。MOSSE算法的最大特色就是速度快，测试集平均帧数达到669帧/秒。图2-1为相关滤波MOSSE跟踪算法的示意图。图2-1MOSSE目标跟踪算法滤波器模板H的主要推导过程如下：(1)通过最小输出平方误差之和公式，如式2-2，找到滤波模板H。2miniiHFHG(2-2)式中，iF表示第i帧输入图像，H表示共轭的滤波器模板，iG表示第i帧的期望跟踪目标图像。(2)由于频域中的运算均是对应的元素级别对象，因此将模板H拆分为元素wvH，后求偏导找到最优解。2*====0iwvwviwvwviiwvwviwviwvwviwvwviiwviwvwvwviwviwvwviwviwvwviwviwvwviiwviwvwviwviwvwviFHGHFHGFHGHFFHHFGHFGHGGHFFHFGH(2-3)
【参考文献】：
期刊论文
[1]复杂红外地面环境下的稳定目标跟踪方法[J]. 吕坚,邓博,阙隆成. 光子学报. 2019(10)
[2]自适应上下文感知相关滤波跟踪[J]. 刘波,许廷发,李相民,史国凯,黄博. 中国光学. 2019(02)
[3]自适应特征选择的相关滤波跟踪算法[J]. 刘万军,孙虎,姜文涛. 光学学报. 2019(06)
[4]目标跟踪算法综述[J]. 孟琭,杨旭. 自动化学报. 2019(07)
[5]视觉目标跟踪方法研究综述[J]. 葛宝义,左宪章,胡永江. 中国图象图形学报. 2018(08)
[6]改进的KCF红外空中目标跟踪方法[J]. 郑武兴,王春平,付强. 激光与红外. 2017(12)
[7]相关滤波目标跟踪进展综述[J]. 张微,康宝生. 中国图象图形学报. 2017(08)
[8]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[9]深度学习在视频目标跟踪中的应用进展与展望[J]. 管皓,薛向阳,安志勇. 自动化学报. 2016(06)
[10]基于视觉场景复杂度多特征自适应融合的目标跟踪[J]. 吴迪,唐勇奇,万琴. 上海交通大学学报. 2015(12)
博士论文
[1]复杂场景下鲁棒的目标跟踪算法研究[D]. 曾宪佑.北京交通大学 2019
硕士论文
[1]复杂场景运动目标跟踪算法研究[D]. 卢耀坤.电子科技大学 2019
[2]复杂场景下目标跟踪算法的研究[D]. 杨阳.中北大学 2018
[3]基于局部方向梯度直方图的快速目标跟踪[D]. 时欢.西安电子科技大学 2017
[4]像素差的平方和增强核粒子滤波的非刚体目标跟踪[D]. 陈家树.西南大学 2008
本文编号：3212507
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3212507.html
